（先来补充）ENVI中关于灰度共生矩阵（又称为二阶矩阵，Second-Order Metrics）的介绍（另包含一阶矩阵的介绍）：https://harrisgeospatial.com/docs/backgroundtexturemetrics.html
灰度共生矩阵（Gray Level Co-occurrence Matrix）是影像像元间角度以及距离二者的函数。该矩阵中的数值反应的是影像中某个像元与某一个方向与距离处指定像元像元值出现的次数。该算法可以很好的进行对影像进行纹理分析，来源是Haralick, Shanmugan, and Dinstein (1973)的文章。
灰度共生矩阵的运算举例说明：
灰度共生矩阵（Gray Level Co-occurrence Matrix）是影像像元间角度以及距离二者的函数。该矩阵中的数值反应的是影像中某个像元与某一个方向与距离处指定像元像元值出现的次数。该算法可以很好的进行对影像进行纹理分析，来源是Haralick, Shanmugan, and Dinstein (1973)的文章。
灰度共生矩阵的运算举例说明：
图1 数组实例
图1数组的像元数值范围为0-6，ENVI在计算的过程中，假定定义一个3×3的目标窗口，在上面的这步移动过程(X 方向右移1个像素，Y方向不移动)中，仅仅对于这个目标区域以及这一次的移动过程，可以获得以下共生矩阵：
以图2中（6，4）处的数值为2进行解释，即（x，y）相对于（x+1，y）像元为（6，4）出现的次数为2次，所以是2。同理，可以理解图2中其他数值的含义。
如果该3×3窗口继续移动，遍历整个图像，则灰度共生矩阵不单单是4×4的数组，应该是5×5的数组，这是因为原示例数组的数值范围为2-6，同时，灰度共生矩阵中的数值在窗口移动的过程中不断被改写，由于需要遍历整幅影像，因而该过程比较耗时。
参考网页链接：
https://harrisgeospatial.com/docs/backgroundtexturemetrics.html
Reference(参考文献)：
Haralick, R., Shanmugan, K., and Dinstein, I. "Textural Features for Image Classification." IEEE Transactions on Systems, Man, and Cybernetics 3, no. 6 (1973): 610-621.
图2 灰度共生矩阵
以图2中（6，4）处的数值为2进行解释，即（x，y）相对于（x+1，y）像元为（6，4）出现的次数为2次，所以是2。同理，可以理解图2中其他数值的含义。
如果该3×3窗口继续移动，遍历整个图像，则灰度共生矩阵不单单是4×4的数组，应该是5×5的数组，这是因为原示例数组的数值范围为2-6，同时，灰度共生矩阵中的数值在窗口移动的过程中不断被改写，由于需要遍历整幅影像，因而该过程比较耗时。
参考网页链接：
https://harrisgeospatial.com/docs/backgroundtexturemetrics.html
Reference(参考文献)：
Haralick, R., Shanmugan, K., and Dinstein, I. "Textural Features for Image Classification." IEEE Transactions on Systems, Man, and Cybernetics 3, no. 6 (1973): 610-621.
没有评论:
发表评论